Study with the several resources on Docsity
Earn points by helping other students or get them with a premium plan
Prepare for your exams
Study with the several resources on Docsity
Earn points to download
Earn points by helping other students or get them with a premium plan
Community
Ask the community for help and clear up your study doubts
Discover the best universities in your country according to Docsity users
Free resources
Download our free guides on studying techniques, anxiety management strategies, and thesis advice from Docsity tutors
Bài tập lớn đại số tuyến tính đại họ bách khoa k22 ứng dung biến đổi fourỉe vào khử nhiễu âm thanh
Typology: Assignments
1 / 48
This page cannot be seen from the preview
Don't miss anything!
---------------a a a---------------
Danh sách các thành viên STT Họ và tên Mã số sinh viên 1 Trần Duy Thoại 2213317 2 Nguyễn Ngọc Bảo Toàn 2213535 3 Bùi Văn Đạt 2210651 4 Vũ Đình Bảo 2210291 5 Nguyễn Ngô Phong Hào 2210865 6 Võ Phạm Xuân Hoàng 2211125 7 Cao Tấn Bảo 2210193
PHẦN TRÌNH BÀY I. TỔNG QUAN DỮ LIỆU 1.1. Mục đích của nghiên cứu Mục đích của nghiên cứu này là để xác định mức độ ảnh hưởng của các thông số điều chỉnh trong máy in 3D đến chất lượng in, độ chính xác và độ bền. Trong đó có chín thông số cài đặt và ba thông số đầu ra đo được. 1.2. Nguồn dữ liệu Dữ liệu được cung cấp tại : https://www.kaggle.com/datasets/afumetto/3dprinter 1.3. Mô tả các biến Gồm 12 biến : ST T Biến Đơn vị 1 layer_height Chiều cao lớp mm 2 wall_thickness Độ dày tường mm 3 infill_density Tỷ lệ điểm đổ % 4 infill_pattern Mẫu điền 5 nozzle_temper ature Nhiệt độ đầu phun Cº 6 bed_temperatu re Nhiệt độ bàn in Cº 7 print_speed Tốc độ in mm/ s 8 material Vật liệu 9 fan_speed Tốc độ làm mát % 10 roughness Độ nhám μm 11 tension_streng ht Cường độ chịu kéo giới hạn MPa 12 elongation Độ giãn dài % Các loại biến:
2.2.2 Kiểm định ý nghĩa của mô hình Trong mô hình hồi quy đa biến, giả thuyết “không” cho rằng mô hình không có ý nghĩa được hiểu là tất cả các hệ số hồi quy riêng đều bằng 0. Ứng dụng kiểm định Wald (thường được gọi là kiểm định F) được tiến hành cụ thể như sau: B1: Giả thuyết “không” là H 0 : β 2 = β 3 = ⋯ = βk = 0 B2: Trước tiên hồi quy Y theo một số hạng không đổi và X 2 , X 3 , ..., Xi, sau đó tính tổng bình phương sai số RSSU, RSSR. Phân phối F là tỷ số của hai biến ngẫu nhiên phân phối khi bình phương độc lập. B3: Tra số liệu trong bảng F tương ứng với bậc tự do (k – 1) cho tử số và (n – k) cho mẫu số, và với mức ý nghĩa α cho trước. B4: Bác bỏ giả thuyết H 0 ở mức ý nghĩa α nếu Fc > F(α, k-1, n- k). Đối với phương pháp giá trị p, tính giá trị p = P (F>Fc|H 0 ) và bác bỏ giả thuyết H 0 nếu p < α. 2.2.3 Kiểm tra các giả thuyết của mô hình hồi quy bội Nhắc lại các giả định của mô hình hồi quy: Yi = β 1 + β 2 X 2 + β 3 X 3 + ⋯ βiXi + ui (i= 1,...,n) Giả thuyết 1: : Tính tuyến tính của dữ liệu: mối quan hệ giữa biến dự báo X và biến phụ thuộc Y được giả sử là tuyến tính. Giả thuyết 2: Sai số có phân phối chuẩn. Giả thuyết 3: : Phương sai của các sai số là hằng số. Giả thuyết 4: : Các sai số u có kỳ vọng = 0. Giả thuyết 5: Các sai số u 1 ,..., un thì độc lập với nhau. 2.3. Phân tích phương sai 2.3.1 Định nghĩa Phân tích phương sai ( Analysis of Variance) hay còn gọi là kiểm định ANOVA là kỹ thuật thống kê tham số được sử dụng để so sánh các nhóm dữ liệu dựa trên các giá trị trung bình của các mẫu quan sát từ các nhóm này, và thông qua kiểm định giả thuyết để đánh giá và kết luận sự bằng nhau của các trung bình nhóm dữ liệu này. Trong nghiên cứu, phân tích phương sai được sử dụng như một công cụ để xem xét ảnh hưởng của một yếu tố ngẫu nhiên đến một yếu tố kết quả. Phân tích phương sai được phát triển bởi Ronald Fisher năm
ANOVA thật ra là một mở rộng của phương pháp kiểm định T cho các mẫu độc lập khi so sánh trung bình của các nhóm gồm các quan sát độc lập. Không như phương pháp kiểm định T, ANOVA có thể so sánh nhiều hơn hai nhóm. Lưu ý rằng ANOVA không so sánh các phương sai, mà là phân tích các phương sai để so sánh với các kỳ vọng. Phân tích phương sai được dùng để kiểm định giả thuyết các tổng thể nhóm có giá trị trung bình bằng nhau. Kỹ thuật này được dựa trên cơ sở tính toán mức độ biến thiên trong nội bộ các nhóm và biến thiên giữa trung bình các nhóm.
Có hai thủ tục phân tích phương sai: ANOVA một nhân tố ( One way ANOVA) và ANOVA hai nhân tố (Two way ANOVA). 2.3.2 Phân tích phương sai hai nhân tố ANOVA hai nhân tố một phần mở rộng của phân tích phương sai một nhân tố. Với One way, ta có một biến độc lập ảnh hưởng đến biến phụ thuộc. Còn với Two way ANOVA, sẽ có 2 biến độc lập. Giả thuyết phân tích phương sai hai yếu tố: Tổng thể có phân phối chuẩn. Mỗi mẫu được quan sát một lần không lặp. Các bước tiến hành kiểm định giả thuyết: ta lấy mẫu không lặp lại, sau đó các đơn vị mẫu của nhân tố ngẫu nhiên thứ nhất xếp thành K nhóm (cột), các đơn vị mẫu của nhân tố ngẫu nhiên thứ hai sắp xếp thành H khối (hàng). Như vậy ta có bảng kết hợp hai nhân tố nguyên nhân gồm K cột và H hàng và (K x H) ô dữ liệu. Tổng số mẫu quan sát là n= (K x H). Hàng (Khối ) Cột (nhóm) 1 2 … K 1 X 11 X 12 X1K 2 X 21 X 22 X2K … … H XH1 XH2 XHK B1: Tính các số trung bình mẫu của các nhóm Trung bình riêng của từng nhóm ( K cột): Xi= j=1HXijH(j = 1,2,...,K) Trung bình riêng của từng khối ( H hàng) Xj= i=1KXijK(i = 1,2,...,H) Trung bình chung của toàn bộ mẫu quan sát: X = i=1K j=0HXijn =i=1KXijK =j=1HXijH B2: Tính tổng các độ lệch bình phương Tổng các độ lệch bình phương chung (SST): Phản ánh biến động của nhân tố kết quả do ảnh hưởng của tất cả các nhân tố. Công thức : SST = i=1K(Xij -X) Tổng các độ lệch bình phương giữa các nhóm (SSK): Phản ánh biến động của nhân tố kết quả do ảnh hưởng của nhân tố nguyên tố thứ nhất ( xếp theo cột). Công thức : SSK = H i=1K(Xi -X) Tổng các độ lệch bình phương giữa các nhóm ( SSH): ): Phản ánh biến động của nhân tố kết quả do ảnh hưởng của nhân tố nguyên tố thứ hai ( xếp theo hàng). Công thức : SSH = K j=1H(Xj -X)
Phần dư SSE (h-1)(k-1) MSE Tổng SST n- Tiền xử lý dữ liệu:
4.1 Thực hiện tính thống kê mô tả cho các biến trong bộ dữ liệu: 4.1.1 Các biến liên tục Phần đầu, ta sẽ thực hiện thống kê mô tả cho các biến liên tục bằng cách tính (trung bình, trung vị, độ lệch chuẩn, min,max) CODE:
Kết quả: 4.2 Vẽ biểu đồ thể hiện phân phối cho các biến 4.2.1. Biểu đồ Histogram của các biến đầu ra “tension strenght”, “elongation” và “roughness” CODE: Kết quả:
Nhận xét: Đồ thị histogram của tension_strength thì tập trung chủ yếu về phía bên phải, trong khoảng từ 25 đến 30. Điều này cho thấy rằng hầu hết các mẫu có sức mạnh căng tương đối cao, có thể là do vật liệu được chọn có tính chất cơ học tốt hoặc quá trình sản xuất được kiểm soát tốt. Kết quả:
Nhận xét: Đồ thị histogram của elongation cho thấy các giá trị lớn tập trung chủ yếu trong khoảng từ 1 đến 2, chỉ ra rằng hầu hết các mẫu có mức độ giãn dài tương đối gần nhau. Điều này có thể chỉ ra rằng quá trình sản xuất hoặc loại vật liệu được sử dụng cho mẫu này có tính đồng đều cao hơn so với các đặc tính khác. 4.2.2. Biểu đồ Boxplot thể hiện phân phối của các biến phụ thuộc vào biến phân loại: Biểu đồ Boxplot thể hiện phân phối của biến roughness:
Nhận xét: Ở “abs” các giá trị roughness phân bố từ khoảng 90 đến
